Как технологии решают транспортные проблемы в городах: семь успешных примеров

Как перевозчику оптимизировать маршруты общественного транспорта и сделать его более безопасным? А пассажирам и обычным автовладельцам проводить в поездках меньше времени и передвигаться с большим комфортом? Расскажем, как эти и другие транспортные проблемы уже решают в разных городах мира с помощью больших данных, интеллектуальных инструментов и IoT-устройств.

Проблема 1. Устранение ЧП в метро приводит к транспортному коллапсу

Решение. Лондонское метро предотвращает ЧП благодаря математическому моделированию и IoT.

Для борьбы с задымлением в лондонском метрополитене, который насчитывает 14 линий протяжённостью 402 км, используется автоматизированная система управления. Она обеспечивает соблюдение всех стандартов дымовой вентиляции в туннелях и на станциях, а также позволяет службам свободно добраться до очага возгорания. Пассажирам она помогает выбрать оптимальный маршрут по веткам метро. Оперативно обнаруживать источники задымления помогают сразу несколько технологичных разработок: IoT-датчики, роботизированные устройства и высокоточное математическое моделирование. А сенсорные экраны в режиме реального времени демонстрируют сигналы тревоги и визуализируют работу системы контроля дыма.

Проблема 2. На большой парковке невозможно сразу найти свободное место

Решение. Умная парковка в Монпелье сокращает время поиска места для стоянки.

В центральной части этого французского города работает интеллектуальная парковка. Благодаря ей удалось оптимизировать перемещение автомобилей и сделать так, чтобы пробки возникали как можно реже, а парковка была максимально заполнена. Специальные датчики, установленные на парковочных местах, отправляют сигнал в общую сеть парковки, и водители сразу видят, где можно оставить автомобиль. Такие же устройства были установлены на проезжей части нескольких городских районов, что сделало движение в Монпелье более упорядоченным. Умные датчики контролируют не только потоки транспорта, они также собирают данные о температуре дорожного покрытия — если оно обледенеет, об этом моментально узнают коммунальные службы.

Проблема 3. В мегаполисах сложно построить единую транспортную сеть

Решение. В Швеции с помощью IoT объединили в единую экосистему общественный транспорт, информационные табло и мобильные приложения.

Один из крупнейших перевозчиков в этой стране ежедневно обслуживает около миллиона пассажиров на автобусах, трамваях, поездах и водном транспорте. С помощью системы датчиков этот транспорт плюс остановочные пункты, информационные табло и мобильные приложения объединили в единую экосистему. Благодаря умной технологии повышена скорость реагирования на проблемы, оптимизированы маршруты, а работа транспортной сети в целом планируется эффективнее. Датчики в автобусах и трамваях в режиме реального времени передают информацию о перемещении транспорта на информационные табло, установленные на остановках, и в мобильное приложение. А владельцы автопарка контролируют прибытие и отправление транспорта, учитывают пройденное им расстояние, количество совершённых поездок и купленных билетов.

Проблема 4. Жители мегаполисов тратят слишком много времени на дорогу

Решение. Big Data оптимизирует маршруты общественного транспорта в Лондоне.

Аналитика больших данных используется в столице Великобритании для прокладки маршрутов, управления событиями и предоставления персонализированной информации о поездках. Автоматизированная система продажи и устройства считывания смарт-карт генерируют большое количество данных о точных поездках, которые совершают пассажиры. Благодаря этому транспортные компании многое узнают о привычках пассажиров и лучше понимают степень загрузки конкретных маршрутов в разное время суток. Например, большие данные позволяют оценить степень переполненности автобуса или выбрать оптимальный маршрут так, чтобы пассажиры как можно меньше перемещались пешком, а машины реже стояли в пробках.

Проблема 5. Из-за пробок растут объёмы вредных выбросов в атмосферу

Решение. В Питтсбурге умные светофоры на четверть сократили время, которое автомобили проводят в пути.

В штате Пенсильвания интеллектуальные светофоры являются важной частью системы масштабируемого управления городским движением. Светофор сам точно определяет время, когда должен загореться красный, а когда — зелёный. Это уже позволило сократить на 40% время ожидания на перекрёстках и на 25% время, которое автомобили проводят в пути. Камеры и радары определяют, как далеко находится транспортное средство, с какой скоростью движется и когда окажется перед светофором, а затем передают эту информацию на следующий перекрёсток.

Проблема 6. В дорожных авариях часто гибнут люди

Решение. В Дубае искусственный интеллект сократил смертность на дорогах.

Три года назад уровень смертности на дорогах Дубая составил 338 человек на 10 000 000 участников дорожного движения. Двумя годами ранее их было на четверть больше, а к 2021 году печальная статистика должна улучшиться как минимум вдвое. Отчасти это стало возможным благодаря умным системам, которые анализируют поведение водителей в режиме реального времени. Камеры видеонаблюдения и передовые методы машинного обучения автоматически обнаруживают такие события, как проезд на красный, обгон в неположенном месте, несоблюдение безопасного расстояния между транспортными средствами, частая смена полос и другие. Анализируя стиль вождения, система реально оценивает дорожную ситуацию и выдаёт водителю рекомендации, которые сделают его перемещение более безопасным для него, пешеходов и других участников дорожного движения.

Проблема 7. Во время нанесения дорожной разметки образуются заторы

Решение. В Англии нанесение предварительной дорожной разметки поручили роботам.

Роботы уже успешно прошли испытание на дорогах Великобритании и сэкономили сотни часов работы специальным службам. Теперь водителям, которые передвигаются по самым загруженным дорогам страны, больше не приходится проводить дополнительное время в пробках, пока рабочие наносят разметку традиционным способом. Вместо них на дороги вышли полностью автономные машины, которые с помощью технологии точного позиционирования выполняют предварительную разметку. Роботы не только выполняют эту задачу быстрее, но и помогают сократить случаи травматизма — рабочие, которые делают то же самое вручную, часто травмируют спину из-за длительной работы в наклон.